买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉温州医科大学附属第一医院申请的专利基于多模态时序医学影像数据的三阴性乳腺癌新辅助治疗后术后复发风险的预测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121617636B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610140000.4，技术领域涉及：G16H50/30；该发明授权基于多模态时序医学影像数据的三阴性乳腺癌新辅助治疗后术后复发风险的预测系统及方法是由周洁洁;王美豪;魏亚茹;朱影设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本基于多模态时序医学影像数据的三阴性乳腺癌新辅助治疗后术后复发风险的预测系统及方法在说明书摘要公布了：本发明公开了基于多模态时序医学影像数据的三阴性乳腺癌新辅助治疗后术后复发风险的预测系统及方法，属于医学影像分析领域。系统包括：数据处理模组，用于构建多模态数据集；多模态特征提取与筛选模组，用于从区域中提取深度学习、影像组学和肿瘤生境特征，进行特征筛选；模型训练模组，用于构建基于Transformer架构的时序模型，通过融入时间一致性约束和基因关联辅助损失的多任务学习策略进行训练；复发风险预测模组，用于加载训练好的模型，输出复发概率及风险等级。本发明通过融合多模态时序影像与基因信息，实现了对三阴性乳腺癌患者复发风险的动态、精准量化，为临床个体化治疗决策提供支持。

本发明授权基于多模态时序医学影像数据的三阴性乳腺癌新辅助治疗后术后复发风险的预测系统及方法在权利要求书中公布了：1.一种基于多模态时序医学影像数据的三阴性乳腺癌新辅助治疗后术后复发风险的预测系统，其特征在于：其包括： 数据处理模组，用于构建多模态医学数据集，并实现数据预处理与病灶分割，所述数据处理模组首先采集N位三阴性乳腺癌患者的四类影像数据——包括乳腺超声、乳腺X线摄影、数字乳腺X线断层摄影和多参数磁共振成像，同步整合其临床病理数据与基因表达信息，形成统一的多模态医学数据集，并为每位患者标注复发预测标签，在此基础上，基于深度学习大模型架构，对多模态影像数据中的病灶区域及瘤周组织进行自动、精确的分割，作为特征提取与复发风险预测模型的结构化输入； 多模态特征提取与筛选模组，用于从分割后的多模态影像数据中提取深度学习特征、影像组学特征以及肿瘤生境特征，并结合临床病理，构建多模态影像特征矩阵，并利用基因表达数据对多模态影像特征矩阵进行特征筛选； 模型训练模组，以多模态特征提取与筛选模组处理完成的多模态影像特征数据为基础，利用深度学习框架开展模型的训练与优化工作，训练过程中，模型训练模组采用随机梯度下降作为优化算法，通过最小化预测结果与复发标签之间的差异来迭代更新模型参数，得到训练好的多模态时序复发风险预测模型； 复发风险预测模组，基于构建的多模态时序复发风险预测模型对复发风险进行预测， 所述模型训练模组包括： 时序特征编码单元，配置为接收所输出的完整多模态特征序列，构建基于Transformer架构的时序模型；其利用自注意力机制捕捉新辅助治疗前、治疗中、治疗结束术前最后一次及随访过程不同时间点之间的依赖关系；同时，结合插补单元传输的二进制掩码矩阵动态调整注意力权重，以区分真实观测值与插补值对时序依赖的影响，最终输出融合时空信息的高维隐层特征表示； 基因驱动与多任务优化单元，配置为作为时序特征编码单元的联合监督模块，采用多任务学习策略对模型进行整体约束；通过计算包含以下三部分的加权总损失函数，反向传播以协同更新插补单元和编码单元的模型参数： D1复发预测主损失：基于编码单元输出的特征表示，使用二元交叉熵损失函数衡量预测风险与真实复发标签的差异； D2时间一致性约束损失：约束编码单元在处理不同时间点输入时，保持早期预测结果与后期预测结果在趋势上的一致性； D3基因关联辅助损失：在特征提取层引入基因表达预测分支，利用基因表达数据计算分类损失，迫使编码单元筛选出与复发相关基因具有生物学显著关联的影像特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人温州医科大学附属第一医院，其通讯地址为：325000 浙江省温州市瓯海区南白象街道；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。